我们可能会制造类似大脑的记忆芯片甚至模拟神经元的生长和变化

未来，类脑记忆芯片可能具有自主性和认知能力。

韩国当地时间9月26日，三星电子宣布，其来自哈佛大学的研究人员和教授联合提出了将大脑神经元连接图复制粘贴到高密度3D存储网络上的可能性。

这项研究发表在9月23日的顶级期刊《自然电子》上，标题为《Neuromorphic electronics based on copying and pasting the brain》。

1.回到神经电子学最初的目标，用逆向工程研究大脑。

神经模拟电子学始于20世纪80年代，其目的是利用集成电路模拟生物神经系统中神经网络的结构和功能这门学科的最终目标是将大脑的计算能力带到固态平台但由于模仿大脑神经元网络难度太大，该学科的研究重点已转向事件驱动操作，记忆中的信息处理等受大脑特性启发的技术

目前，该学科的研究可分为两大类，即人工神经网络和自然神经网络。

人工神经网络是机器学习的框架，推动了人工智能在这一领域的一系列强大应用自然神经网络是以电化学为动力的自然智能的基础与人工神经网络相比，自然神经网络可以从条件很少或很差的数据中学习以适应环境

目前，人类对神经元在大脑中是如何工作的知之甚少，因此构建具有独特计算能力的神经网络电路面临着根本性的挑战伴随着人工智能技术的发展，除了CPU，GPU，NPU，TPU等数字处理器之外，研究人员开始推广具有模拟辅助功能的处理器，这些处理器在AI计算中具有更低的功耗

神经模拟电子学的研究现状。

为了实现上述目标，三星和哈佛的研究人员利用CMOS纳米电极阵列和存储芯片复制粘贴大脑神经元的连接，构建自然神经网络。

CMOS纳米电极阵列是哈佛大学研究团队的成果，他们在半导体芯片上制作了4096个带有记录和刺激电极的CMOS纳米电极阵列芯片上还有4096个电子通道，可以同时记录数千个神经元的突触连接2020年，该研究发表于《自然生物医学工程》

CMOS纳米电极阵列。

由于CMOS纳米电极阵列中的每个垂直纳米电极都配备了电流注入器和电压放大器，因此可以持续向神经元注入电流并稳定细胞电生理，从而使神经元在研究过程中保持活跃。

实验中，研究团队通过CMOS纳米电极阵列研究了小鼠皮层神经元网络，在19分钟内测量了1728个电极的细胞信号这个数字很容易扩大，因为制造具有更高阵列密度和更好性能的半导体器件正是半导体行业一直追求的

目前，研究团队正在研究小鼠视网膜和嗅球/梨状皮质的神经元这些神经元因其功能不同而具有不同的组织形式，具有各自的研究价值之后，研究团队将从这些外周神经元中逐步探索大脑神经元的突触联系

在粘贴步骤中，三星和哈佛大学的研究团队计划记录细胞内神经信号，然后用专门设计的记忆网络下载信号，构建自然神经网络。

计算机辅助分析复制的神经信号，然后将信号粘贴到存储网络中。

研究团队写道，伴随着3D堆叠和先进封装技术的发展，存储芯片有潜力承载存储网络其中，闪存，磁随机存储器，相变随机存储器和电阻随机存储器四种存储芯片各有优势，被研究者认为是存储网络的载体

具体来说，研究人员将使用计算机辅助分析程序来提取功能性突触连接图，然后使用该图来构建和编程记忆网络因为一个神经元在大脑中大约有1000个突触，所以记忆网络应该有一个比神经元大1000倍的记忆芯片

对于内存来说，快速写入和验证内存网络并不难目前3D闪存的写入速度通常超过100 MB/s，但对于计算机辅助分析程序来说，即使是4096通道，19分钟也会产生80G左右的数据，而且伴随着CMOS纳米电极阵列的进一步扩展，数据量还会增加

研究人员还试图绕过计算机辅助分析，使每个硅片与生物神经元一一对应，并将连接图直接下载到RRAM或PRAM网络可是，由于离子通道的随机性，RRAM和PRAM存储器很难在大网络中应用

可承载自然神经网络的3D存储芯片。

3.未来，我们可能会制造类似大脑的记忆芯片，甚至模拟神经元的生长和变化。

尽管仍有许多挑战有待实现，但这项研究是一项旨在重建大脑神经元的开创性努力到目前为止，微观研究获得的大脑信息主要来自解图，不同功能的突触之间的联系并没有量化

三星和哈佛大学进行的这项研究可以再现不同功能突触的连接，还可以揭示离子通道和反馈延迟等其他神经元属性理想情况下，这项研究不需要揭示神经元的工作原理，它就像大脑的快照一样获得神经元的连接和分布

三星表示，如果

研究成功，研究人员可以创建一种接近大脑的存储芯片该存储芯片具备低功耗，轻松学习，适应环境，甚至包括自主性和认知能力等特性

论文最后，研究团队承认，该研究也存在一些理论上的缺陷比如大脑神经元会因为学习和生长而发生变化，但该研究采用固定的芯片承载神经元网络，无法跟踪大脑神经元发生的缓慢变化未来，他们可以创建一个具有可塑性的自然神经网络，模拟大脑神经元变化

研究人员称，他们不能保证能够解决每一个挑战，但相信可以通过这项研究突破神经拟态工程，神经科学和半导体等技术的界限。

04.结语:研究或将加速相关神经元研究

伴随着人工智能技术的发展，推荐算法，深度学习等应用迅速普及，机器视觉，AI 医疗，AI 芯片等相关新兴赛道涌入了大量玩家无论是创企还是科技巨头都在加快布局，占领新的市场

但同时，脑科学在神经元模拟等方面的进展并没有人工智能那么大本次三星和哈佛大学的研究既为神经元连接研究提供了一种新的可能和方向，也有着巨大的应用前景这或许可以吸引更多地高校，企业加入，加速相关领域研究

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。